Fast-forward to boredom: How switching behaviour on digital media makes people more bored
Notice bibliographique
Résumé
Boredom is unpleasant, with people going to great lengths to avoid it. One way to escape boredom and increase stimulation is to consume digital media, for example watching short videos on YouTube or TikTok. One common way that people watch these videos is to switch between videos and fast-forward through them, a form of viewing we call digital switching. Here, we hypothesize that people consume media this way to avoid boredom, but this behaviour paradoxically intensifies boredom. Across seven experiments (total N = 1,223; six pre-registered), we found a bidirectional, causal relationship between boredom and digital switching. When participants were bored, they switched (Study 1); and they believed that switching would help them avoid boredom (Study 2). Switching between videos (Study 3) and within video (Study 4), however led not to less boredom, but more boredom; it also reduced satisfaction, reduced attention, and lowered meaning. Even when participants had the freedom to watch videos of personal choice and interest on YouTube, digital switching still intensified boredom (Study 5). However, when examining digital switching with online articles and with non-university samples, the findings were less conclusive (Study 6), potentially due to factors such as opportunity cost (Study 7). Overall, our findings suggest that attempts to avoid boredom through digital switching may sometimes inadvertently exacerbate it. When watching videos, enjoyment likely comes from immersing oneself in the videos rather than swiping through them.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».